Nas últimas duas décadas, os governos e outras entidades têm gastado milhares de milhões a ensinar as pessoas a programar. Pensava-se que seria uma das poucas profissões seguras num mundo em mudança, mas, afinal, escrever e manipular código é uma das atividades para as quais os modelos de IA são mais adequados. As empresas tecnológicas despediram mais de 1 milhão de trabalhadores nos últimos anos, e a Microsoft ofereceu 60 000 incentivos à saída voluntária na semana passada. É um momento aterrador e profundamente desorientador para as pessoas da indústria do software.
Há cerca de um mês, escrevi um memorando interno no qual detalhei o caminho de adoção da IA que a Proton tem de seguir para se manter competitiva e segura, e o que temos falhado até agora enquanto organização e que temos de corrigir para que esta transição inevitável seja um sucesso. Não há grandes dúvidas de que as organizações que não conseguirem transformar-se com a rapidez suficiente acabarão por desiludir as suas equipas e todos aqueles que dependem delas.
O memorando também teve outro propósito: convencer os meus colegas de que não somos atores passivos nesta mudança, de que a empresa precisa dos seus talentos e experiência para a concretizar e de que esta transição oferece oportunidades a quem optar por se preparar e nela participar.
O memorando não é um documento de engenharia aprofundado. Não se debruça sobre os detalhes de segurança, fiabilidade ou infraestrutura. Indica antes o rumo que a nossa indústria, no seu todo, deve seguir.
Pode consultar o memorando na íntegra abaixo.
Transferir o manifesto de IA em PDF(nova janela)
Manifesto de engenharia de IA @ Proton
Não deverá surpreender ninguém na Proton, e menos ainda na engenharia, que a engenharia de software tenha mudado de forma irrevogável este ano, se não mesmo antes. Os LLM e as ferramentas associadas ganharam a capacidade de escrever código ao ponto de um engenheiro sénior da Proton me ter dito, há alguns dias, e passo a citar: «Já ninguém escreve código em {business unit name}». Tal como memorizar números de telefone no século XX ou andar a cavalo no século XIX, escrever bom código manualmente é uma competência essencial cujo tempo já passou.
Isto é, em geral, uma coisa fantástica. Grande parte da escrita de código era e continua a ser um trabalho moroso e penoso, pelo menos em produção e à escala. A documentação e os testes são ambos necessários, poucos gostam de os fazer e, historicamente, têm sido muitas vezes negligenciados à custa de má comunicação, ineficiências e problemas de fiabilidade. O código repetitivo é o expoente máximo do trabalho árduo na engenharia de software, e pode nunca mais ser algo com que uma pessoa tenha de se preocupar. Os modelos podem agora aconselhar e propor arquiteturas e conceções de sistemas que, embora muitas vezes imperfeitas, contribuem de forma significativa para a discussão, a tomada de decisões e a aprendizagem.
Fora da Proton, a revolução da IA está a conquistar o mundo. Muito disso é conversa fiada e superficial, campanhas cosméticas mais para parecer inovadoras do que para serem verdadeiramente inovadoras. Mas grande parte é muito real, e os investimentos que essas empresas, incluindo os nossos concorrentes, estão a fazer agora vão determinar o ambiente empresarial em que operaremos no futuro. Não se trata de seguir tendências — estamos a ficar para trás e isto é uma ameaça existencial para o sucesso da própria missão.
Então porque é que, na Proton, não parece que a revolução tenha chegado? Porque é que a produtividade não aumentou drasticamente se toda a gente já usa LLM a toda a hora? Acredito que se resume a três coisas, que teremos de corrigir se quisermos ter sucesso na nova era que já está aqui hoje, e não a caminho.
A primeira é uma mudança na cultura de engenharia e na mentalidade dos engenheiros. O seu trabalho mudou radicalmente. Já não consiste em escrever código, e os LLM não estão aqui para ajudar a escrever melhor código mais depressa. O seu trabalho é ajudar o LLM a escrever melhor código mais depressa. Cada engenheiro é agora um líder de equipa, um gestor, e os seus subordinados diretos são os modelos e agentes que utiliza. Guiá-los diretamente e corrigi-los quando erram faz parte disso, sem dúvida. Mas uma equipa de duas pessoas que programavam sempre em par não seria grande equipa, nem o seria uma equipa em que ninguém trabalhava quando o líder estava numa reunião. A IA tem de conseguir trabalhar de forma autónoma e contínua, com cada vez menos supervisão humana. O seu trabalho é identificar os problemas que o LLM não consegue resolver sozinho e ajudá-lo não só a resolvê-los desta vez, mas também a resolvê-los melhor da próxima, não apenas para si mas para todos: ficheiros de contexto ao nível do repositório, competências e prompts partilhados e o hábito de garantir que falhas repetidas desencadeiam uma investigação e uma correção. O seu trabalho é empurrar os limites do que o LLM consegue fazer de forma autónoma, intervir naquilo que ele não consegue e pensar sempre em como melhorar a situação atual.
Isto não é a morte do conhecimento especializado. O LLM é rápido. É mais devagar, mas transporta consigo uma vida de experiência, juízos e compreensão. Além disso, a exposição a alucinações e a erros provocados por entradas más ou maliciosas é, felizmente, muito menor, e a responsabilidade perante si, os colegas de equipa e a Proton existe de uma forma que um modelo nunca poderá ter. Em conjunto, é possível fazer muito mais e muito mais depressa do que qualquer um conseguiria sozinho.
Também não é a morte das boas práticas de engenharia. A capacidade de manutenção e a velocidade são melhores em bases de código bem arquitetadas. A documentação e os testes continuam cruciais. Dito isto, temos de estar abertos a que as boas práticas mudem à medida que os custos e as capacidades mudam. Os testes são um bom exemplo disso. A antiga boa prática dizia que demasiados testes, sobretudo testes ponto a ponto, são um mau compromisso num mundo em que escrever e manter testes é caro. Se escrever e manter testes se tornar barato, o ponto em que traçamos essa linha também mudará provavelmente.
A segunda razão pela qual não conseguimos tirar pleno partido da revolução da IA é que temos estado quase completamente presos na fase 1 — usar LLM para acelerar tarefas no âmbito dos fluxos de trabalho existentes. Mas escrever código não é a única parte do ciclo de vida do desenvolvimento de software, e o que acontece quando se elimina um estrangulamento? Aparece outro no seu lugar. Talvez seja a velocidade e a capacidade da CI. Talvez seja o design, as aprovações, as especificações e as revisões de código; sim, precisamos de chegar a um ponto em que a maior parte da revisão humana de código terminará, e chegaremos. Talvez o fluxo de trabalho não mude muito, mas os LLM permitem-nos finalmente investir em automação que antes era proibitiva em termos de custo. Se não analisarmos todos os nossos processos de forma holística e eliminarmos implacavelmente os estrangulamentos, não alcançaremos todo o nosso potencial. Muitas vezes, eliminar estes estrangulamentos não envolverá apenas a otimização de partes dos fluxos de trabalho existentes, mas também reformulá-los e repensá-los por completo. Esta é a fase 2, e precisamos de chegar lá agora.
A terceira razão é um problema de ação coletiva. Usar LLM eficazmente para escrever código é algo que um engenheiro individual pode fazer por si. Reconstruir ou otimizar o processo de CI para uma equipa, unidade de negócio ou empresa inteira é um esforço muito maior, e acarreta custos de oportunidade e compromissos. Não é impossível, e muitas pessoas na Proton fizeram coisas incríveis por iniciativa própria, algumas das quais se espalharam por todo o lado. Mas reformular a empresa como um todo exige níveis de organização e recursos em que simplesmente ainda não investimos. No que diz respeito à discussão sobre o ciclo de vida do desenvolvimento de software no parágrafo anterior, em muitos casos não sabemos sequer onde estão os estrangulamentos porque não investimos nas ferramentas necessárias para os descobrir. Alguma cautela pode ter sido justificada no passado — foi preciso algum tempo para perceber como usar melhor estas novas ferramentas e continuaremos a incentivar a experimentação. Mas já passou o tempo de assumir, enquanto organização, o compromisso com a transformação que o momento exige.
Então o que é que isto significa para si, engenheiro? Bem, a sua capacidade de ação e as suas responsabilidades aumentaram ambas. Não só é responsável por garantir que o trabalho é feito, como também passou a ser responsável pela forma como é feito e, por isso, pela otimização contínua e pela automação máxima, e pela partilha dessas melhorias com os seus colegas — o sucesso na Proton é um desporto de equipa. Também é sua responsabilidade assinalar e escalar as melhorias necessárias que não consegue executar por si. A Proton, por seu lado, vai organizar e afetar recursos aos investimentos críticos necessários para ultrapassar a fase 2 e alcançar plenamente o potencial da revolução da IA.
A conclusão é que estamos num novo mundo. A «programação» morreu. A engenharia não morreu, nem o conhecimento especializado. O seu antigo trabalho desapareceu. O seu novo trabalho de construção permitir-lhe-á fazer mais e ter mais impacto do que alguma vez teve, se aproveitar a oportunidade. E a Proton vai criar as condições para isso, esforços sobre os quais ouvirá falar mais nos próximos dias e semanas. A era da experimentação continua, mas o momento de agir é agora. O futuro está aqui — vamos torná-lo nosso.
Imagem de capa: Bernard Leonardo
Instagram: @dranreboel
Sítio web: https://dranreboel.myportfolio.com/work






